GMRC
Classical Machine learning
Deep learning
Source : softwaretestinghelp.com
comment le réseau transforme couche après couche des données en probabilités
Qu’est ce qu’une descente de gradient
Comment calculer le gradient ?
Comment mettre en avant des caractéristiques dans les données ?
Somme pondérée des notes \(x_i^j\) pour chaque étudiant \(i\) : Création d’information
Somme pondérée des notes \(x_i^j\) pour chaque étudiant \(i\) : \(y_i = \sum_{j=1}^{7}{w_jx_i^j}\)
Moyenne de note en langue : \(w=(0,0,0,0.5,0.5,0,0)\)
Différence entre math et info: \(w=(-1,0,-1,0,0,0,0)\)
Somme pondérée des notes \(x_i^j\) avec biais suivi de ReLU :
\[ s_i = b + \sum_{j=1}^7w_jx_i^j\\ y_i = max(0,s_i) \]
Sélection des moyennes supérieures à 10 en sciences : \(w=(0.2,0.2,0.2,0,0,0.2,0.2);b=-10\)
Ne pas utiliser l’accuracy
utiliser des metrics combinées (F1 score, AUC, AUPRC)
au minimum regarder le rappel
utiliser des poids ou de l’over/undersampling
Master Intelligence des données de santé / UE Technique